您可以免费观看前 5 分钟或一小节,完整观看请购买。  点此购买


本视频总时长约为23分钟

特邀人脸识别领域资深专家陈博对CascadeCNN算法的原理和工程实现进行详尽解读,CascadeCNN 算法提出了基于卷积神经网络的Cascade方法,可以说是对经典的VJ方法的深度卷积网络实现 ,该算法出自CVPR-2015 Adobe Research,文中采用级联的卷积神经网络对人脸图像进行由粗到精的检测, 级联结构中有6个CNN,3个CNN用于人脸非人脸二分类,另外3个CNN用于人脸区域的边框校正。 在640*480图片大小上,CPU可达到14FPS,GPU可达到100FPS,在FDDB上达到85.1%的召回率和87%的准确率。讲者从1. Why Cascade-CNN  2. Why Calibration  3. Why not Regression 几个关键问题进行了详细的解读,帮助大家快速理解掌握核心要点。人脸检测系列经典文章精解之CascadeCNN算法,陈博士全面生动的讲解人脸检测问题的由来以及发展脉络,从ImageNet物体分类问题入手进而引出CascadeCNN中的关键问题--人脸二分类。讲者结合论文解读和具体实现带领大家从算法关键步骤原理一步步过渡到工程细节,有理有据帮助你快速掌握核心知识。


作者简介:

陈博士毕业于UIUC,本科毕业于北京大学,在计算机视觉领域有5年以上的经验,主要研究方向为人脸识别,在TPAMI、CVPR、ECCV等顶级会议期刊发表了数十篇相关论文,目前在国内顶级人工智能创业公司任研究科学家职位。




购买观看完整解读及视频